研究背景:新辅助治疗在乳腺癌综合管理中的应用愈加广泛。乳腺癌新辅助治疗后获得病理完全缓解（pathologic complete response,pCR）与更好的预后密切相关。现有多项研究显示,免疫炎症指标如中性粒细胞与淋巴细胞比率（NLR）、血小板与淋巴细胞比率（PLR）、淋巴细胞与单核细胞比率（LMR）、中性粒细胞与单核细胞比率（NMR）,与乳腺癌新辅助治疗后pCR可能相关,但目前的研究结果尚不明确。本文结合临床病理因素与免疫炎症指标,运用Logistic回归分析,找出pCR相关独立预测因素,建立临床预测模型列线图,并绘制ROC曲线及校正曲线,评估该模型的预测效能。目的:寻找乳腺癌患者新辅助治疗后pCR的独立预测因素,建立pCR的预测模型并评估其预测效能。方法:回顾性收集兰州大学第一医院2017年至2020年接受新辅助治疗的乳腺癌患者的临床病理特征及血液学指标,以各个临床及免疫炎症因素为自变量,以是否pCR为应变量,进行单因素回归分析,将其中有统计学意义的因素纳入多因素Logistic回归分析中,寻找pCR的独立预测指标,通过R软件分别构建接受新辅助治疗后总体pCR（total pathologic complete response,tpCR）、乳腺pCR（breast pathologic complete response,bpCR）及腋窝淋巴结pCR（node pathologic complete response,npCR）的预测模型列线图,并通过绘制ROC曲线及校正曲线,评估预测模型的效能。结果:共纳入322例接受新辅助治疗的患者,tpCR率为23.9%（77/322）。多因素分析显示,ER表达状态、分子分型、组织学分级、肿瘤大小及PLR水平是乳腺癌患者新辅助治疗后tpCR的独立预测指标。ER阴性、HER-2阳性、组织学分级较高、肿瘤较小、PLR高水平的乳腺癌患者更易达到tpCR。根据Logistic回归分析建立tpCR的预测模型列线图,绘制ROC曲线,计算AUC值为0.824,P<0.001,同时,校正曲线也显示该模型的预测结果与实际观测结果吻合度较高亚组分析结果显示,共有27.6%（89/322）的患者达到bpCR。ER表达状态、分子分型、组织学分级、淋巴结状态及PLR水平是乳腺癌患者新辅助治疗后bpCR的独立预测指标。ER阴性、HER-2过表达型、组织学分级越高、淋巴结阴性、PLR高水平的患者bpCR率更高。根据回归分析建立bpCR预测模型列线图,ROC曲线下面积为0.824,校正曲线显示,bpCR预测模型的结果较为可靠。npCR相关性分析显示,共有175例（54.3%）患者达到npCR。体重指数较大（>21.68）、KI-67高表达、HER-2过表达型、肿瘤较小、淋巴结阴性及NLR高水平的患者,获得npCR的可能性较高。新辅助治疗后npCR的预测模型的曲线下面积为0.776,且校正曲线显示,预测结果与实际结果高度重合。结论:免疫炎症指标联合临床病理因素所构建的临床预测模型对乳腺癌患者接受新辅助治疗达到tpCR、bpCR及npCR的预测能力较高。